日常分析工作里，重复写 Pandas 读写、清洗、聚合代码很耗时间。DeepSeek 适合把「业务描述」转成可运行的代码草稿，但需要你给出清晰的表格结构、字段含义和期望输出。

开始前准备什么

向 DeepSeek 描述任务时，尽量包含：

  • 数据来源格式（CSV / Excel / SQL 查询结果）
  • 字段名、类型、样例行（可脱敏）
  • 期望输出（新列、汇总表、图表数据）
  • Python 版本与是否可用 pandas、numpy

示例提示：

我有 sales.csv，字段：order_id, date, region, amount。
请用 pandas 读取，按 region 汇总 amount 总和，
输出前 5 行，并处理 amount 为空的情况。
只输出代码，用 ```python 包裹。

常见场景与提示词

读取与预览

读取 data.parquet，显示 shape、dtypes、前 3 行和缺失值计数。

清洗缺失与异常

将 price 为负数的行标记为异常，写入列 is_invalid；
date 解析失败设为 NaT；最后输出清洗前后行数。

分组聚合

按 month、category 分组，计算 revenue 总和与 order 计数，
按 revenue 降序，结果 reset_index。

合并多表

orders 与 users 按 user_id 左连接，
只保留 users 的 city、tier 字段，检查重复 user_id。

生成代码后的验收清单

  1. 在副本数据上运行，不要直接覆盖生产文件。
  2. 检查 dtype，日期列是否被读成 object。
  3. 分组键是否有隐藏空格：df['col'].str.strip()。
  4. 大表注意内存：优先 dtype 优化或分块 chunksize。
  5. 让 DeepSeek 补充单元测试式断言，例如 assert df['amount'].min() >= 0。

减少幻觉的技巧

  • 要求「仅使用我提供的字段名，未提供的列不要编造」。
  • 附上 2–3 行真实样例数据。
  • 分步生成：先读入预览，再清洗，再聚合，不要一次要完整 pipeline。
  • 对复杂逻辑，让模型先输出步骤列表，确认后再写代码。

何时改用 API 或 Notebook 模板

  • 同一报表每天跑：把验证过的代码存成脚本或 Jupyter 模板，DeepSeek 只负责改参数。
  • 需要审计：在 Git 里版本化管理分析脚本，而不是每次从对话里复制。

DeepSeek 适合加速「从需求到第一版代码」；最终上线仍建议本地执行、核对结果后再交付业务方。

延伸阅读